スポンサーリンク

【PyTorch】torchvision.transformsを使って、学習時のデータ拡張(Data Augmentation)を行う

PyTorch

PyTorchにおける学習時のデータ拡張の方法について見ていきます。
データ拡張を行うためのtorchvision.transformsについて説明した後に、学習時のコードのどこに追加すればデータ拡張が行われるのか説明します。

torchvision.transforms

transforms(torchvision.transforms)は、様々な画像変換を行なうことができ、細かい調整も簡単に行なうことができます。今回は、いくつかの変換を以下の画像に適用させて、動作を見ていきます。

import matplotlib.pyplot as plt
import numpy as np
import torch
import torchvision.transforms as T
from torchvision.io import read_image
def show(imgs): #画像表示用の関数
    img = T.ToPILImage()(imgs.to('cpu'))
    plt.figure(figsize=(10, 10), dpi=300)
    plt.imshow(np.asarray(img))
img = read_image('data-test2000.jpg')
show(img)

RandomHorizontalFlip

RandomHorizontalFlip(p=0.5)は、水平方向に反転させることができます。pは水平方向に反転させる確率で、p=1であれば100%の確率で反転させます。

transform = T.Compose(
    [T.RandomHorizontalFlip(p=1),
     ]
)
img_T = transform(img)
show(img_T)

RandomRotation

RandomRotation(degrees)は、画像を回転させることができます。degreesに回転させる角度を指定します。例えば、degrees=[-15, 15]と記載した場合は、-15°〜15°の範囲内でランダムに回転されます。

transform = T.Compose(
    [T.RandomRotation(degrees=[-15, 15]),
     ]
)
img_T = transform(img)
show(img_T)

RandomErasing

RandomErasing(p=0.5)、はランダムに矩形を選択し、削除します。pは削除する確率です。他のオプションによって、削除する範囲や大きさを指定することができます。

transform = T.Compose(
    [T.RandomErasing(p=1),
     ]
)
img_T = transform(img)
show(img_T)

DNNの学習時にtorchvision.transformsでデータ拡張

PyTorchのQuickStartのコードに、追加する形でデータ拡張を行います。まず、ここまで紹介してきたデータ拡張をすべて利用できるようにします。

transform = T.Compose(
    [T.RandomHorizontalFlip(p=0.1), 
     T.RandomRotation(degrees=7.5),
     T.RandomErasing(p=0.1)]
)

次に、QuickStartの学習のコードにtransformを追加します。Xにバッチ毎に画像データが抽出されるので、そのXに適用できるようにします。追加は非常に簡単で、X = transform(X)を一行追加するだけです。

def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)
    model.train()
    for batch, (X, y) in enumerate(dataloader):
        X, y = X.to(device), y.to(device)
        
        X = transform(X) #データ拡張追加

        # Compute prediction error
        pred = model(X)
        loss = loss_fn(pred, y)

        # Backpropagation
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        if batch % 100 == 0:
            loss, current = loss.item(), batch * len(X)
            print(f"loss: {loss:>7f}  [{current:>5d}/{size:>5d}]")

PyTorchのQuickStart+データ拡張の全コード

import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
import torchvision.transforms as T
from torchvision.transforms import ToTensor, Lambda, Compose
import matplotlib.pyplot as plt

# Download training data from open datasets.
training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor(),
)

# Download test data from open datasets.
test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor(),
)

batch_size = 64

# Create data loaders.
train_dataloader = DataLoader(training_data, batch_size=batch_size)
test_dataloader = DataLoader(test_data, batch_size=batch_size)

for X, y in test_dataloader:
    print("Shape of X [N, C, H, W]: ", X.shape)
    print("Shape of y: ", y.shape, y.dtype)
    break

# Get cpu or gpu device for training.
device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using {device} device")

# Define model
class NeuralNetwork(nn.Module):
    def __init__(self):
        super(NeuralNetwork, self).__init__()
        self.flatten = nn.Flatten()
        self.linear_relu_stack = nn.Sequential(
            nn.Linear(28*28, 512),
            nn.ReLU(),
            nn.Linear(512, 512),
            nn.ReLU(),
            nn.Linear(512, 10)
        )

    def forward(self, x):
        x = self.flatten(x)
        logits = self.linear_relu_stack(x)
        return logits

model = NeuralNetwork().to(device)
print(model)

loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(model.parameters(), lr=1e-3)

transform = T.Compose(
    [T.RandomHorizontalFlip(p=0.1), 
     T.RandomRotation(degrees=[-7.5, 7.5]),
     T.RandomErasing(p=0.1)]
)

def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)
    model.train()
    for batch, (X, y) in enumerate(dataloader):
        X, y = X.to(device), y.to(device)

        X = transform(X) # データ拡張追加

        # Compute prediction error
        pred = model(X)
        loss = loss_fn(pred, y)

        # Backpropagation
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        if batch % 100 == 0:
            loss, current = loss.item(), batch * len(X)
            print(f"loss: {loss:>7f}  [{current:>5d}/{size:>5d}]")

def test(dataloader, model, loss_fn):
    size = len(dataloader.dataset)
    num_batches = len(dataloader)
    model.eval()
    test_loss, correct = 0, 0
    with torch.no_grad():
        for X, y in dataloader:
            X, y = X.to(device), y.to(device)
            pred = model(X)
            test_loss += loss_fn(pred, y).item()
            correct += (pred.argmax(1) == y).type(torch.float).sum().item()
    test_loss /= num_batches
    correct /= size
    print(f"Test Error: \n Accuracy: {(100*correct):>0.1f}%, Avg loss: {test_loss:>8f} \n")

epochs = 5
for t in range(epochs):
    print(f"Epoch {t+1}\n-------------------------------")
    train(train_dataloader, model, loss_fn, optimizer)
    test(test_dataloader, model, loss_fn)
print("Done!")

torch.save(model.state_dict(), "model.pth")
print("Saved PyTorch Model State to model.pth")

model = NeuralNetwork()
model.load_state_dict(torch.load("model.pth"))

classes = [
    "T-shirt/top",
    "Trouser",
    "Pullover",
    "Dress",
    "Coat",
    "Sandal",
    "Shirt",
    "Sneaker",
    "Bag",
    "Ankle boot",
]

model.eval()
x, y = test_data[0][0], test_data[0][1]
with torch.no_grad():
    pred = model(x)
    predicted, actual = classes[pred[0].argmax(0)], classes[y]
    print(f'Predicted: "{predicted}", Actual: "{actual}"')

関連記事、参考資料

PyTorchのデータ拡張について、丁寧に説明されており、分かりやすいです。PyTorchの公式ドキュメントが難しいと感じた方は是非読んでみてください。


・PyTorch QuickStart
https://pytorch.org/tutorials/beginner/basics/quickstart_tutorial.html

コメント